我想训练量化网络，即在前向传递期间使用量化权重来计算损失，然后在后向传递期间更新基础全精度浮点权重 .
这个问题已经被问到here但没有回答 .
请注意，在我的情况下，“假量化”就足够了 . 这意味着权重仍然可以存储为32位浮点值，只要它们代表低位宽量化值即可 .
在blog post from Pete Warden他说：
“[...]我们确实支持”假量化“运算符 . 如果你在图表中包含预期量化的点（例如在卷积之后），那么在正向传递中浮点值将是舍入到指定的级别数（通常为256）以模拟量化效果 . “
提到的运算符可以在TensorFlow API中找到 .
谁能指出我如何使用这些功能？如果我在例如在我的模型定义中的转换层，为什么要量化层中的权重而不是该层的输出（激活）？